Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 2010

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: GSDM

Sortuj według:

Ogranicz wyniki do:

Diagnostyka silnika synchronicznego oparta na rozpoznawaniu dźwięku z zastosowaniem LPCC i GSDM

100%

Głowacz A. , Głowacz W.

tom R. 56, nr 5

479-482

Zaprezentowano koncepcję badania sygnałów akustycznych stanów przedawaryjnych silnika synchronicznego. Oprogramowanie do rozpoznawania dźwięku zostało zaimplementowane. Algorytmy przetwarzania i analizy sygnałów akustycznych zostały zastosowane. System jest oparty na algorytmie LPCC (Współczynniki cepstralne liniowego kodowania) i GSDM (Genetyczna rozrzedzona pamięć rozproszona). Badania zostały przeprowadzone dla sygnałów akustycznych stanów przedawaryjnych. Zmiany w sygnale akustycznym spowodowane były przez zwarcia i przerwy w obwodzie stojana. Analiza wyników pokazuje wrażliwość metody opartej na LPCC i GSDM w zależności od danych wejściowych. Wyniki badań potwierdzają poprawne działanie systemu rozpoznawania dźwięku silnika synchronicznego.

In recent years the methods of sound recognition have been de-veloped. Hence, there is an idea to use them in case of machines. The paper describes the concept of investigations of acoustic signals of synchronous motor imminent failure conditions. Measurements were taken with a recorder OLYMPUS WS-200S. Sound recognition software was implemented. Algorithms of signal processing and analysis were used. The system is based on the LPCC (Linear Predictive Cepstrum Coefficients) algorithm and GSDM (Genetic Sparse Distributed Memory). Investigations were carried out for acoustic signals of imminent failure conditions. The following plan of investigations of a synchronous motor acoustic signal was proposed: recording of audio track, sound track division, sampling, quantization, normalization, filtration, windowing, feature extraction, classification (Fig. 2). Figs. 3, 4, 5 and 6 show changes of the LPCC values for four types of the categories recognized. Changes in the acoustic signal were caused by short circuit and broken coils in the stator circuit. The sound recognition efficiency depending on the acoustic signal and the sample length is presented in Fig. 8. The sound recognition system was built for a synchronous motor. There were used 39 band-pass filters in investigations. Analysis of the results shows the sensitivity of the method based on LPCC and GSDM, depending on the input data. The results confirm correct operation of the synchronous motor sound recognition system. These studies can be used for diagnostics based on acoustic emission in electrical, mechanical, hydraulic and pneumatic machines.